NoCode无代码工具

     

AI Devin第一次成为自己代码库的最大贡献者

72

今天,Devin 的一次新更新导致内部使用量比之前的记录翻了一番还多。今天,Devin 首次成为 Devin 代码库的最大贡献者...如果这是真的,这将是递归自我完善的重要一步,而这件事将会滚雪球般越.

LLMStack:一个自托管的在本地构建LLM应用的低代码平台

488 2K

LLMStack 是一个无代码平台,用于构建生成式 AI 应用程序、聊天机器人、代理并将它们连接到您的数据和业务流程。构建定制的生成式人工智能应用程序、聊天机器人和代理,通过链接多个LLM大语言模型来.

当前大语言模型工具链生态简介 - martinfowler

637 2K

生成式人工智能,特别是LLM(大型语言模型)已经引起了公众的关注。像许多软件开发人员一样,我对这些可能性很感兴趣,但不确定从长远来看这对我们的职业到底意味着什么。每当出现一个模式和技术仍在不断发展的新.

undb:无代码的、领域驱动设计的、可视化的数据库

729

私人优先的、统一的、自我托管的无代码数据库。技术特点: SvelteKit - 简单且性能良好的前端框架。 Vite + SWC - 快速编译ts代码。 Tailwind - 可组合的样式。 Nest.

提示工程与盲目提示 - Mitchell

422 3K

展示了如何迅速工程可以是一个真实的的系统的方法,从语言模型中提取的价值。“提示工程Prompt Engineering”源于语言模型的发展,描述了应用提示以有效地从语言模型中提取信息的过程,通常用于现.

ChatGPT插件:自然语言编程将成为现实

662 1 2K

OpenAI 插件将 ChatGPT 连接到第三方应用程序。这些插件使 ChatGPT 能够与开发人员定义的 API 进行交互,从而增强 ChatGPT 的功能并允许其执行范围广泛的操作: 检索实时信.

ChatGPT 具有革命性的真正原因 | fool

890 1

有人会浪费时间使用 GPT 做数学,这是对一个符号系统具有挑战性的操作,ChatGPT的长处不是做数学题,它是一个基于语言符号的AI系统。ChatGPT也与帮助微软颠覆谷歌搜索无关。“生成式人工智能”.

7种无代码工具介绍

900

7种无代码工具,可加快构建速度(10倍生产力):1. webflow在完全可视化的画布上创建专业的自定义网站,无需任何代码。网址:webflow.com2. bubble一个无代码的工具,让你建立Sa.

chatgpt-vscode:在VSCode中使用ChatGPT的扩展插件

9450 5

这是一个 VSCode 扩展,允许您直接在 VSCode 中使用 ChatGPT。警告:现在,这更像是一个概念证明!在代码的上下文中使用ChatGPT  您可以单击代码块将其粘贴到编辑器中,或使用选定.

程序员能被淘汰吗? | Journal

1746 1 2K

一些工具或开发项目的目的是为了淘汰程序员。让业务团队控制系统的行为。从商业管理的角度来看,这听起来是个好主意。想想看,如果我们不需要雇佣程序员,也不需要浪费时间与他们沟通需求,就可以省下很多钱。在现实.

Wizzdi :基于 Spring Boot 的无代码系统

825

Wizzdi Cloud 是第一个混合无代码平台:可作为 SAAS 使用,允许团队协作允许在不看到一行代码的情况下部署解决方案(正常的无代码系统)该系统可以在您当前的开发周期内无缝使用,因为它不断生成.

FlyCode:让产品团队无需编码即可编辑Web应用

1393

FlyCode 能让产品、用户体验和营销等团队无需编码即可轻松编辑 Web 应用程序,他们不必等待开发人员协助完成,并且可以更快地迭代、测试和发布。非技术团队经常需要编辑出现在网络应用中的副本(文本).

比较企业应用开发中使用手工编程与特定领域建模的工作量

1128 1 2K

我们与Juha-Pekka Tolvanen一起报告了一项研究,该研究分析了由公司内部创建的特定领域建模解决方案的生产力影响,该解决方案用于开发基于 Web 的企业应用程序。与传统编程的比较表明,特定.

Excel等电子表格因无代码编程再次成为热门 - WIRED

952 1 2K

古老的Excel等电子表格被重新发明,已经作为非编码人员实现自动化和简化工作的工具了。几十年来,Excel电子表格一直是消费者软件中最不性感的形式。有必要吗?对经营企业、办理银行业务或制定财务计划的繁.

OpenAI Codex完全通过自然语言构建游戏应用 – AndrewMayne

890

使用 OpenAI 的代码-达芬奇模型完全通过自然语言构建游戏和应用程序,无需接触任何代码。OpenAI 有一个新的代码生成模型:达芬奇模型,它在许多方面都得到了改进,可以处理近两倍的文本(4,000.

Gris是一个混合数据库/电子表格的开源工具

1664 3K

Grist 是一个现代的关系电子表格。它结合了电子表格的灵活性和数据库的稳健性来组织您的数据并提高您的工作效率: 列的工作方式与它们在数据库中的工作方式相同。它们被命名,并保存一种数据。 列可以通过公.

Judo:使用无代码构建原生应用体验

1053

Judo 为您的 iOS 和 Android 应用程序带来了服务器驱动的 UI。在很短的时间内直观地构建用户界面并立即发布它们,而无需提交到应用商店。 特点 启用应用内客户参与 更高的原生应用体验参与.

ZigiWave采用无代码方法进行DevOps运维集成 – thenewstack

806

传统上,创建集成意味着 IT 领导者必须提出预算,然后建立一个由开发人员和项目经理组成的团队。即使是一个小项目,这也可能需要几个月的时间。ZigiWave是一家位于保加利亚索非亚的初创公司,它提供了一.

用深度学习解决竞争性编码问题 | DeepMind

666

DeepMind 推出了 AlphaCode,它使用基于转换器的语言模型来生成代码。他们使用 Codeforces 上的比赛验证了性能,其中 Alphacode 处于中位竞争对手的水平。 这是人工智能.

几款所见即所得可视化UML工具介绍

1796 1

Mermaid - 允许您使用文本和代码创建图表和可视化。它是一种基于 Javascript 的图表和图表工具,可呈现受 Markdown 启发的文本定义以动态创建和修改图表。 PlantUML -.

数据科学领域的几个无代码分析工具介绍

1667

“数据分析”一词已成为 Python 和 R 等编程语言的同义词。虽然这些强大的语言对于使用最新最好的算法进行高级分析是必不可少的,但它们并不是开始分析复杂数据集所必需的!数据分析软件可以是开源的(橙.

毕马威在保险行业用低代码替代鱿鱼游戏 - DZone

1805 1
在 Netflix 的电视剧《鱿鱼游戏》中,游戏参与者在一系列无情的游戏中冒着一切危险来逃避危机。但在竞争激烈的数字经济中,您不必为了从生存威胁中找到救赎而将一切都置于危险之中。低代码能够灵活地避免技.

linus:相比在IDE下编程,我更喜欢手写代码

1121 1

软件的扩展与城市扩张很相似:美国城市似乎是工业规模化过程的产物,而较旧的欧洲城市似乎是人类过程的产物。这是因为大多数美国城市都是在汽车和工业革命之后和与之并存的,城市的设计只是考虑了容易实现的事情,并.

OpenAI Codex:通过AI用自然语言编写代码的 API

1718 2

今天 OpenAI 推出了 Codex,这是一个使用人工智能从自然语言编写代码的 API。Codex 是为GitHub Copilot 提供动力的模型,我们在一个月前与 GitHub 合作构建并推出了.

苹果公司为复杂空间数据集开发了Trinity无代码AI平台 - marktechpost

1073

Apple 的机器学习研究团队开发了一种名为Trinity的无代码人工智能 (AI) 平台。该 AI 旨在使机器学习研究人员和非技术地理空间领域专家能够对不同的信号或数据集进行试验,以自行解决问题,例.

VisualPython:基于图形可视化的Python代码生成器。

3758 7

Visual Python 是一个基于 GUI 的 Python 代码生成器,作为扩展在 Jupyter Notebook 环境上开发。主要特征 基于图形用户界面自动生成 Python 代码 按任务创.

关于可视化编程分类的民间智慧 – drossbucket

1225 1 3K

黑客新闻中有趣的反复出现的主题之一是可视化编程。这是我真正欣赏 Hacker News 的事情之一。大多数领域都存在“鬼知识”的问题,这是来之不易的实践理解,主要是在从业者之间口头传递,而不是在任何地.

关于无代码工具的讨论

900 1

我的工作不是编写代码,而是解决问题。今天我花了一整天的时间使用无代码工具,因为这是工作所需要的。但是反对者会认为与编码解决方案相比,使用无代码解决问题的时间随着问题的复杂性呈指数增长。但是无代码工具只.

产品设计师四种低代码(无代码)工具 - visualbinary

1683 2K

随着无代码和低代码替代方案的兴起继续他们的突出道路,我编制了一份我认为有用(甚至必不可少)的工具列表,可用于参与产品设计过程。此列表绝不是所有有用的产品设计工具的详尽无遗,这只是对引导您走向正确方向的.

IBM开源CodeNet项目会替代人类程序员吗? – TechTalks

808

在2010年代初,机器学习取得了令人瞩目的进步,引发了人们对人工智能的兴奋(和恐惧),这种人工智能很快使许多任务(包括编程)自动化。但是AI在软件开发中的渗透受到了极大的限制。人类程序员使用大量的有意.